Shadow, Copilot, Autopilot: AI-Operatoren in Stufen einführen

Die häufigste Art, AI in einem Unternehmen einzuführen, sieht ungefähr so aus: Tool kaufen, Prompt schreiben, Output in einen echten Prozess reinkippen und hoffen, dass es hält. Drei Wochen später ist die Qualität schlechter als vorher, niemand traut den Ergebnissen, und das ganze Thema wird als "noch nicht reif" abgehakt.

Adoption ist kein Schalter. Adoption ist eine mehrstufige Leiter mit Beweispflicht.

Das Problem ist nicht die Technologie. Das Problem ist, dass keine Stufe übersprungen werden kann, ohne dass die Qualität darunter leidet. In Rocket Routine OS gibt es drei Adoption-Stufen pro Rolle und pro Domäne: Shadow, Copilot, Autopilot. Welche Stufe ein AI-Operator hat, ist keine Marketing-Frage. Es ist eine Frage von Beweisen.

Die drei Stufen

1. Shadow. Der AI-Operator entwirft. Menschen führen aus. Der Operator beobachtet, schlägt vor, liefert Drafts. Was ausgeliefert wird, kommt aus menschlicher Hand. Ziel in dieser Stufe: Erfassen, wie die Arbeit wirklich läuft, und prüfen, ob die Drafts überhaupt nah genug am Standard sind.

1. Copilot. Der AI-Operator führt aus, innerhalb von Approval Gates. Menschen geben frei. Hier wird ernsthaft Zeit gespart, aber Verantwortung bleibt menschlich. Jede Übergabe geht durch einen definierten Approval-Punkt mit klaren Kriterien.

1. Autopilot. Der AI-Operator führt aus und liefert aus, innerhalb der harten Grenzen seines Role Contracts. Menschen führen by exception und auditieren. Diese Stufe ist nicht einfach nur Vertrauen. Sie ist Architektur. Decision Rights sind explizit, der Tool-Access ist begrenzt, die Eskalations-Trigger sind definiert.

Jede Stufe ist eine andere Verteilung von Ausführungslast und Aufsichtslast. Es geht nicht darum, "wie viel AI" eingesetzt wird. Es geht darum, wo die Verantwortung für Qualität liegt.

Warum der direkte Sprung auf Autopilot scheitert

Wer einen AI-Operator direkt auf Autopilot setzt, ohne ihn vorher in Shadow und Copilot durchlaufen zu lassen, baut auf der ungeprüften Annahme auf, dass der Operator die Domäne so wie ein erfahrener Mensch versteht. Das ist fast nie wahr.

Was in Shadow sichtbar wird, ist nicht die Fähigkeit zu schreiben oder zu rechnen. Sichtbar wird, ob der Operator die richtigen Edge Cases erkennt, ob seine Drafts kalibriert sind, ob die Annahmen, auf denen er arbeitet, mit der Realität dieser spezifischen Domäne übereinstimmen.

Was in Shadow sichtbar wird, sind nicht die Fähigkeiten. Sichtbar wird die Kalibrierung.

Wer die Stufe Shadow überspringt, optimiert für Geschwindigkeit der Einführung und zahlt sie zurück in Form von Reputationsschaden, Rework und versteckten Fehlern, die erst Monate später auftauchen.

Wie der Aufstieg verifiziert wird

Ein AI-Operator steigt nicht auf, weil jemand findet, dass er "schon ganz gut läuft". Er steigt auf, weil messbare Evidenz die nächste Stufe rechtfertigt.

Die zentrale Zahl ist FTT, First Time Through: der Anteil der Arbeitsergebnisse, die ohne Nacharbeit durch die Qualitätsbestätigung gehen. Steigt die FTT in einer Domäne über einen für diese Domäne definierten Schwellenwert und bleibt dort stabil über einen ausreichenden Zeitraum, kann der nächste Stufenwechsel erwogen werden. Sinkt die FTT nach einem Aufstieg, ist die Rückstufung die richtige Antwort, nicht "mehr Training" oder "mehr Kontrolle".

Adoption Levels sind in beide Richtungen beweglich. Das ist wichtig. Ein Operator, der gestern auf Autopilot lief, kann morgen wieder in Copilot zurückfallen, weil sich der Kontext geändert hat. Das ist kein Versagen, das ist Steuerung.

Pro Rolle, pro Domäne

Ein häufiges Missverständnis: dass ein Unternehmen "an AI dran ist" oder "noch nicht so weit ist". Das ist die falsche Granularität.

Das Adoption Level wird immer pro Rolle und pro Domäne festgelegt. Der gleiche AI-Operator kann in der Domäne Marketing-Operations auf Autopilot laufen, in der Domäne Finanzen-Compliance auf Shadow stehen und in der Domäne Customer-Support als Copilot arbeiten. Es gibt kein pauschales "AI-Niveau" eines Unternehmens.

Das macht die Stufen steuerbar. Du kannst dort schnell sein, wo die Folgen eines Fehlers tragbar sind, und dort langsam sein, wo Fehler teuer werden.

Company 0

Bei Rocket Routine läuft der Content-Marketing-Operator aktuell auf Copilot. Er produziert vollständige Blog-Artikel, LinkedIn-Posts und X-Sets nach definiertem Output-Format, aber jeder Output geht vor Veröffentlichung durch einen Approval-Schritt von mir. Die FTT für diesen Operator liegt stabil im Bereich, der den nächsten Stufenwechsel rechtfertigen würde.

Trotzdem ist er auf Copilot. Der Grund ist nicht Qualität. Der Grund ist Domänen-Risiko: Reputationsschaden im Content lässt sich nicht einfach zurückrollen. Hier optimiere ich bewusst nicht auf Geschwindigkeit. In der internen Routinen-Domäne dagegen, wo der Ops-Operator wöchentliche Status-Übersichten erzeugt, läuft er bereits auf Autopilot. Gleicher Stack, andere Domäne, andere Stufe.

Ein Unternehmen hat kein AI-Niveau. Es hat ein AI-Niveau pro Rolle, pro Domäne.

Was als Nächstes kommt

Die Stufen Shadow, Copilot, Autopilot sind die Bewegungsachse einer AI-Einführung, die nicht kaputt geht. Die Stufen sind keine Komfortzonen. Sie sind Stationen mit Beweispflicht.

In den kommenden Wochen schaue ich mir an, wie ein Role Contract konkret aufgebaut ist, der diese Stufen überhaupt betreibbar macht. Welche acht Komponenten ihn ausmachen, wie Decision Rights formuliert werden, warum Tool-Access-Policies kein Detail sind.

Wenn du ein gründergeführtes B2B-Unternehmen mit 15 bis 50 Mitarbeitern führst und AI-Operatoren stufenweise statt schlagartig einführen willst: rocket-routine.com